- Nowość!
Opis produktu: Arduino VENTUNO Q - 16 GB RAM + 64 GB eMMC - ABX00181
VENTUNO Q integruje na jednej płycie moc obliczeniową dla sztucznej inteligencji oraz deterministyczne sterowanie urządzeniami wykonawczymi. Ośmiordzeniowy procesor Qualcomm Kryo, układ graficzny Adreno 623 i NPU Hexagon o wydajności do 40 TOPS obsługują modele wizyjne, lokalne LLM i aplikacje multimodalne, a mikrokontroler Arm Cortex-M33 zapewnia reakcję w czasie krótszym niż 1 ms. Platforma pracuje z Ubuntu lub Debianem oraz Arduino Core na Zephyr. Rozbudowane interfejsy, WiFi 6, Bluetooth 5.3, Ethernet 2,5 Gb/s i złącze M.2 dla pamięci NVMe Gen.4 tworzą elastyczne środowisko do przetwarzania brzegowego, prototypowania oraz wdrażania gotowych urządzeń.
Arduino VENTUNO Q - 16 GB RAM + 64 GB eMMC - ABX00181.
VENTUNO Q sprawdzi się do zastosowań w sztucznej inteligencji i robotyce.
Główne cechy Arduino VENTUNO Q
- Wydajność AI do 40 TOPS: jednostka NPU Qualcomm Hexagon umożliwia lokalne uruchamianie modeli wizyjnych, językowych i multimodalnych
- Dwuprocesorowa architektura: połączenie procesora aplikacyjnego z mikrokontrolerem czasu rzeczywistego pozwala jednocześnie analizować dane i sterować urządzeniami
- 16 GB pamięci LPDDR5: duża pojemność pamięci operacyjnej ułatwia obsługę rozbudowanych modeli AI, obrazów o wysokiej rozdzielczości i algorytmów robotycznych
- 64 GB pamięci eMMC: wbudowana pamięć przemysłowa zapewnia miejsce na system operacyjny, biblioteki, modele i dane
- Rozbudowa za pomocą NVMe Gen.4: złącze M.2 pozwala zwiększyć przestrzeń dyskową przy użyciu szybkiego nośnika SSD
- Obsługa ROS 2: platforma może pracować jako płyta robotyczna ROS 2 w robotach mobilnych, manipulatorach i systemach autonomicznych
- Deterministyczne sterowanie: mikrokontroler STM32H5F5 zapewnia szybką obsługę GPIO, PWM i CAN-FD w systemach ruchu oraz automatyki
- Trzy interfejsy MIPI CSI: umożliwiają budowę systemów wielokamerowych do śledzenia obiektów, analizy głębi i inspekcji obrazu
- Łączność przewodowa i bezprzewodowa: WiFi 6, Bluetooth 5.3 i Ethernet 2,5 Gb/s ułatwiają integrację z siecią i urządzeniami peryferyjnymi
- Obsługa lokalnych modeli AI: platforma pozwala wykorzystywać rozwiązania takie jak Qwen, Whisper, Melo TTS, MediaPipe, YOLO-X i PoseNet
- Szeroka kompatybilność sprzętowa: obsługa nakładek Arduino UNO, Raspberry Pi HAT, modułów Modulino i urządzeń Qwiic przyspiesza budowę prototypów
Od analizy danych do działania w czasie rzeczywistym
VENTUNO Q został zaprojektowany jako platforma, która nie tylko analizuje dane, ale również bezpośrednio reaguje na zdarzenia zachodzące w świecie fizycznym. Urządzenie może lokalnie rozpoznawać obiekty, analizować obraz, przetwarzać mowę lub obsługiwać modele językowe, a następnie sterować silnikami, przekaźnikami i urządzeniami przemysłowymi. Dzięki temu rozwój systemów edge AI obejmuje cały proces od pozyskania danych i wnioskowania po wykonanie określonej czynności.
Platforma może lokalnie rozpoznawać obiekty, analizować obraz lub przetwarzać język naturalny, a następnie natychmiast sterować silnikami, przekaźnikami i urządzeniami przemysłowymi.
Płytka posiada trzy 4-pasmowe interfejsy MIPI-CSI.
Sztuczna inteligencja zintegrowana ze sterowaniem urządzeniami
VENTUNO Q umożliwia tworzenie urządzeń, w których sztuczna inteligencja nie ogranicza się do prezentowania wyników na ekranie. Szybkie interfejsy kamer, obsługa modeli widzenia komputerowego i deterministyczne wyjścia sterujące zapewniają sterowanie AI w czasie rzeczywistym wymagane w robotyce i automatyce. Platforma może stanowić podstawę autonomicznego robota mobilnego, inteligentnego manipulatora, kiosku interaktywnego lub przemysłowego systemu kontroli jakości.
Dwuprocesorowa architektura edge AI do robotyki i automatyki
Architektura wykorzystująca dwa niezależne układy obliczeniowe dzieli zadania pomiędzy Dragonwing IQ-8275 i mikrokontroler STM32H5F5. Procesor aplikacyjny odpowiada za system Linux, sieci neuronowe, przetwarzanie obrazu i złożoną logikę aplikacji, natomiast mikrokontroler zapewnia stabilne sterowanie urządzeniami z czasem reakcji poniżej 1 ms. Takie rozwiązanie tworzy dwuprocesorową platformę edge AI, która łączy dużą wydajność obliczeniową z precyzją wymaganą w robotyce wykorzystującej widzenie komputerowe. VENTUNO Q może być alternatywą dla platform opartych na NVIDIA Jetson lub Raspberry Pi w projektach, w których oprócz akceleracji AI wymagane jest również sterowanie w czasie rzeczywistym. Zintegrowana konstrukcja ogranicza potrzebę łączenia osobnego komputera jednopłytkowego z dodatkowym mikrokontrolerem. Upraszcza to komunikację pomiędzy podzespołami, zmniejsza opóźnienia i ułatwia budowę kompletnego urządzenia.
Procesor Dragonwing IQ-8275 łączy w sobie NPU, CPU i GPU do złożonego wnioskowania w sieciach neuronowych.
Arduino App Lab łączy programowanie systemów wbudowanych, tworzenie aplikacji w środowisku Linux oraz rozwój rozwiązań edge AI, zapewniając jedno spójne środowisko dla całego stosu aplikacyjnego.
Arduino App Lab - jedno środowisko do nauki, tworzenia i wdrażania
Arduino® App Lab łączy programowanie szkiców Arduino, skryptów Python i modeli sztucznej inteligencji w jednym środowisku. App Lab pozwala rozwijać zarówno kod systemu Linux, jak i oprogramowanie odpowiedzialne za obsługę mikrokontrolera oraz urządzeń wykonawczych. Modułowe komponenty Bricks ułatwiają dodawanie funkcji związanych z AI, multimediami i robotyką bez konieczności przygotowywania całej infrastruktury od podstaw. Środowisko może działać bezpośrednio na VENTUNO Q pracującym jako komputer jednopłytkowy lub na zewnętrznym komputerze połączonym przez USB typu C albo sieć. Możesz również korzystać ze standardowych narzędzi Linux, takich jak VS Code, PyCharm, Docker, SSH i środowiska wirtualne Python. Dzięki temu platforma sprawdzi się zarówno podczas nauki, jak i w profesjonalnym procesie rozwoju aplikacji edge AI.
Szeroka kompatybilność sprzętowa dla szybszego rozwoju
VENTUNO Q obsługuje Arduino® UNO™ shields, w tym sterowniki silników, czujniki, wyświetlacze i interfejsy komunikacyjne. Standardowe 40-pinowe złącze GPIO zapewnia zgodność mechaniczną i elektryczną z akcesoriami Raspberry Pi HAT, natomiast złącze Qwiic umożliwia podłączanie modułów Modulino i kompatybilnych czujników bez konieczności lutowania. Pozwala to wykorzystywać istniejące podzespoły podczas budowy nowych prototypów. Złącza JMEDIA, JOMEGA i JMISC udostępniają linie przeznaczone dla kamer, ekranów, systemów audio, magistrali CAN-FD i rozbudowanych układów sterowania. Projektanci mogą dzięki temu tworzyć wielokamerowe systemy wizyjne, sterowniki ruchu i rozwiązania łączące dane z wielu czujników bez wykorzystywania kilku niezależnych platform. Szeroka kompatybilność skraca czas przejścia od koncepcji do działającego prototypu.
VENTUNO Q zaprojektowano z myślą o systemach, które poruszają się, wykonują precyzyjne operacje i niezawodnie reagują na zdarzenia zachodzące w rzeczywistym otoczeniu.
| Specyfikacja techniczna Arduino VENTUNO Q | |
|---|---|
| Procesor aplikacyjny MPU | Dragonwing IQ-8275 |
| CPU | 8-rdzeniowy Qualcomm Kryo |
| GPU | Qualcomm Adreno 623 |
| NPU | Qualcomm Hexagon |
| Wydajność NPU | do 40 TOPS |
| Procesor obrazu ISP | Qualcomm Spectra 692 |
| System operacyjny MPU | Ubuntu lub Debian upstream |
| Mikrokontroler MCU | STM32H5F5 |
| Rdzeń mikrokontrolera | Arm Cortex-M33 |
| Częstotliwość taktowania MCU | 250 MHz |
| Pamięć Flash MCU | 4 MB |
| Pamięć RAM MCU | 1,5 MB |
| System mikrokontrolera | Arduino Core na Zephyr |
| Pamięć operacyjna | 16 GB LPDDR5 |
| Pamięć wbudowana | 64 GB eMMC |
| Rozszerzenie pamięci | złącze M.2 dla nośników NVMe Gen.4 |
| WiFi | WiFi 6, pasma 2,4 GHz, 5 GHz i 6 GHz, antena wbudowana |
| Bluetooth | Bluetooth 5.3, antena wbudowana |
| Ethernet | 1x RJ45, 2,5 Gb/s |
| Obsługa kamer USB | tak |
| Interfejsy kamer | 3x złącze MIPI CSI, multipleksowane z 2x MIPI CSI na złączu JMEDIA |
| Wyjście HDMI | 1x, współdzielone z MIPI DSI na złączu JMEDIA |
| Wyjście DisplayPort | przez USB typu C w trybie DP Alt Mode |
| Interfejs wyświetlacza | linie MIPI DSI na złączu JMEDIA |
| Audio | 2 kanały dla wejścia mikrofonowego oraz wyjść Headphone OUT, Ear OUT i Line OUT na złączu JMISC |
| Zasilanie przez USB typu C | 5 V DC, maksymalnie 3 A |
| Zasilanie przez gniazdo 5,5 x 2,1 mm | od 12 V do 24 V DC |
| Zasilanie przez złącze śrubowe | od 7 V do 24 V DC |
| Zasilanie przez JOMEGA | od 7 V do 24 V DC |
| USB typu C | 1x port z przełączaniem trybu hosta i urządzenia, obsługą zasilania oraz wyjściem obrazu |
| USB typu A | 2x USB 3.0 |
| Dodatkowe interfejsy USB | 2x USB 3.0 na złączu JOMEGA |
| CAN-FD ze zintegrowaną warstwą fizyczną | 1x na złączu śrubowym |
| CAN-FD bez warstwy fizycznej | 3x na złączu JOMEGA |
| CAN-FD dla nakładek UNO | 1x bez warstwy fizycznej na złączach UNO |
| Obsługiwane technologie i środowiska | ROS 2, Edge Impulse, Qualcomm AI Hub, App Lab |
| Wymiary | 160 x 100 x 25,8 mm |
Przydatne linki |
